Verwende GPT-6 Astra für die anspruchsvollsten Aufgaben, GPT-6.1 Sol für komplexe Aufgaben zu geringeren Kosten, GPT-6.1 Terra für visuelles Reasoning und das Schreiben von Texten oder GPT-6 Luna für klar umrissene Aufgaben, die in großer Zahl anfallen. Einen Vergleich findest du im Leitfaden zur Modellauswahl.
Neuerungen
- Asynchrone Tool-Aufrufe: Während deine Anwendung ein Tool ausführt, können Modelle, die diese Funktion unterstützen, ihr Reasoning fortsetzen, weitere Tools aufrufen oder unabhängige Teile einer Anfrage beantworten. Setze
async: truefür eine Funktion oder ein benutzerdefiniertes Tool. Gib das Ergebnis mit der ursprünglichencall_idzurück, sobald es vorliegt. Deine Anwendung führt das Tool aus und verwaltet ausstehende Aufgaben. Angaben zur Kompatibilität und Beispiele findest du im Leitfaden zu asynchronen Tool-Aufrufen. - Während der Bearbeitung nachsteuern: Du kannst GPT-6 während der Arbeit weitere Anweisungen senden, etwa eine Korrektur oder geänderte Anforderungen. Bei einer WebSocket-Verbindung behält die Responses API bereits erledigte Arbeit bei und berücksichtigt die Aktualisierung, wenn sie die Bearbeitung fortsetzt. Wie die Ereignisse aufeinanderfolgen und wie du Tool-Ergebnisse verarbeitest, erfährst du im Leitfaden zum Nachsteuern während der Bearbeitung.
- Reasoning-Aufwand im Gespräch ändern und den Cache beibehalten: Füge ein Eingabeelement vom Typ
configuration_updatehinzu, um den Reasoning-Aufwand für schwierige Aufgaben zu erhöhen oder für einfache Folgefragen zu senken. Das ursprüngliche Prompt-Präfix musst du dafür nicht umschreiben. Der neue Reasoning-Aufwand gilt, bis du ihn mit einem weiteren Eingabeelement vom Typconfiguration_updateüberschreibst. Beispiele und Angaben zur Kompatibilität findest du unter Reasoning-Aufwand im Gespräch ändern. - Mehrere Agenten und gespeichertes Reasoning bei GPT-6.1 Sol: Verwende Responses Multi-agent (Beta), um Aufgaben an Subagenten zu delegieren. Setze
reasoning.contextaufall_turns, um kompatibles Reasoning aus früheren Gesprächsrunden wiederzuverwenden. - Überwachung auf Fehlanpassungen: Im Rahmen unserer verstärkten Schutzmaßnahmen für GPT-6 Astra prüfen unsere Systeme asynchron, ob das Modell von den vorgesehenen Zielen abweicht, und lösen bei Bedarf Warnmeldungen aus. Mehr dazu erfährst du unter Überwachung auf Fehlanpassungen.
GPT-6 unterstützt auch die bereits mit GPT-5.6 verfügbaren API-Funktionen. Dazu gehören Computernutzung, strukturierte Ausgaben, Streaming, programmgesteuerte Tool-Aufrufe, Prompt-Caching, Kontextverdichtung und der Pro-Modus.
Einschränkungen
- GPT-6 Astra und GPT-6.1 Sol unterstützen
noneals Reasoning-Aufwand nicht. GPT-6.1 Terra, GPT-6 Sol und GPT-6 Luna unterstützen diese Einstellung. - Der Schnellmodus unterstützt Datenresidenz in der EU für GPT-6.1 Sol, GPT-6.1 Terra und GPT-6 Luna. Für GPT-6 Astra und GPT-6 Sol ist sie im Schnellmodus nicht verfügbar. Der Ultraschnellmodus für GPT-6.1 Sol unterstützt Datenresidenz in den USA und in der EU sowie globale Verarbeitung. Der Ultraschnellmodus für GPT-6 Astra unterstützt ausschließlich Datenresidenz in den USA und globale Verarbeitung. Weitere Angaben findest du in der Übersicht der Modelle und Funktionen mit Unterstützung für Datenresidenz.
Empfehlungen für Prompts
Die folgenden Prompts dienen als Ausgangspunkt für die gesamte GPT-6-Modellfamilie. Sie greifen Verhaltensweisen auf, die wir bei GPT-6 Astra beobachtet haben. Prüfe mit deinem gewählten Modell, wie gut sie für deine Aufgaben funktionieren.
Verhalten von GPT-6 Astra
- Eigeninitiative und Ausdauer: Das Modell ist auf eine effektivere Zusammenarbeit ausgelegt. Deshalb fragt es häufiger nach, wenn zusätzliche Angaben das Ergebnis wesentlich verändern könnten. Dadurch unterbricht es mitunter die Arbeit, obwohl die Person, die den Auftrag erteilt hat, möglicherweise erwartet, dass es plausible Annahmen trifft und weiterarbeitet.
- Anweisungen befolgen: GPT-6 Astra befolgt Anweisungen im Allgemeinen besser als unsere früheren Modelle. Dadurch kannst du sein Verhalten genauer steuern. Es kann stärker auf Anweisungen in Skills und anderen Dateien wie
AGENTS.mdreagieren. Wir empfehlen dringend, Skills und andere Dateien, auf die dein Modell zugreifen kann, auf Anweisungen zu prüfen, die sein Verhalten beeinflussen könnten. - Persönlichkeit und Schreibstil: Das Modell neigt zu ausführlichen, formatierten Antworten und verwendet mitunter in mehreren Sitzungen dieselben Wendungen. Gib den Schreibstil und die Struktur vor, die deine Anwendung benötigt.
- Aufgaben an Subagenten delegieren: Das Modell delegiert möglicherweise seltener, als es für deinen Workflow sinnvoll wäre. Gib an, wann und in welchem Umfang es Subagenten für parallele Aufgaben einsetzen soll.
- Tests und Überprüfung: Bei Programmieraufgaben testet das Modell meist gründlich, bevor es eine Aufgabe als abgeschlossen betrachtet. Bei kleineren Aufgaben kann es dadurch mehr testen als nötig.
Eigeninitiative und Ausdauer
GPT-6 Astra behält bei längeren Aufgaben in der Regel besser den roten Faden als GPT-5.6 Sol und frühere Modelle. In Situationen, in denen frühere Modelle Annahmen getroffen hätten, fragt es häufiger nach.
Wenn das Modell selbstständiger arbeiten soll, beginne mit diesem Prompt:
Leite aus den Anweisungen und dem bisherigen Gespräch ab, was die anfragende Person erreichen möchte und welchen Umfang die Aufgabe hat. Ergreife die Initiative und führe die Aufgabe in ihrem Sinne zu Ende.
Wenn die Person eine neue Aufgabe angehen oder ein bestehendes Problem beheben möchte, arbeite weiter, bis das gewünschte Ziel erreicht ist. Führe die nötigen Schritte selbstständig aus, sofern sie nicht eindeutig destruktiv oder unumkehrbar sind. Erstelle zum Beispiel bei Bedarf isolierte Worktrees oder Checkouts, löse Merge-Konflikte, führe Aktionen ohne Schreibzugriff aus oder erstelle Entwürfe für Pull Requests.
Ist die Absicht hinter einer Anfrage unklar, fragt das Modell häufiger nach, bevor es weiterarbeitet. Weise es an, die Aufgabe zu Ende zu führen, wenn der Prompt bereits die nötige Genehmigung erkennen lässt:
Wenn der Prompt mit Formulierungen wie „Kannst du …“, „Ich möchte …“ oder „Hilf mir …“ zum Handeln auffordert, verstehe das als Auftrag und führe ihn aus. Belasse es nicht bei einer Zusage wie „Ja …“, einem Planvorschlag oder dem Angebot, weiterzumachen. Gib dich nicht mit einer Teillösung oder einer „hilfreich genug“ erscheinenden Lösung zufrieden, nur um Zeit, Aufwand oder Token zu sparen. Wenn eine Aufgabe längere Arbeit erfordert, führe alle nötigen Schritte aus, bis das gewünschte Ergebnis vorliegt.
Weise das Modell an, erst dann eine Genehmigung anzufordern, wenn es ein konkretes Ergebnis zur Prüfung vorbereitet hat. So kann es alle bereits möglichen Schritte ausführen, bevor es die Arbeit unterbricht, und die Aufgabe oft schneller abschließen.
Erledige vor einer Rückfrage die Vorarbeiten, die aus dem Gespräch heraus bereits genehmigt und für die Prüfung des vorgeschlagenen Schritts nötig sind. Lege der anfragenden Person ein konkretes Ergebnis vor, das sie prüfen und genehmigen kann. Wenn du zum Beispiel eine Änderung bereitstellen, Daten in eine externe Anwendung schreiben, einen Pull Request zusammenführen oder eine Website veröffentlichen willst, schließe zuerst alle erforderlichen Vorarbeiten ab. Hole als letzten Schritt vor der Ausführung die Genehmigung der Person ein. Für umkehrbare Aufgaben, Aktionen ohne Schreibzugriff, Überprüfungen oder Korrekturen brauchst du keine Genehmigung einzuholen. Das gilt auch für Schritte, die im bisherigen Gespräch bereits genehmigt wurden oder deren Genehmigung aus dem Auftrag klar hervorgeht.
Füge wegen hypothetischer Risiken keine unaufgeforderten Warnungen, Haftungsausschlüsse, Genehmigungsverfahren oder Checklisten für Sicherheit oder Compliance hinzu.
Standardmäßig stellt das Modell während der Arbeit auch Fragen, auf deren Antwort es nicht warten muss. Passe die Prompts daran an, wie selbstständig das Modell in deiner Anwendung arbeiten soll.
Anweisungen befolgen
GPT-6 Astra kann längere Anweisungen besser befolgen, reagiert aber mitunter auch stärker auf Informationen im Kontext. Unklare oder widersprüchliche Vorgaben in einer Skill-Datei können zum Beispiel dazu führen, dass das Modell die Arbeit frühzeitig unterbricht und nicht weiterkommt. Gib ausdrücklich an, welchen Vorrang die Anweisungen der anfragenden Person gegenüber den Vorgaben in Skills haben.
Die Anweisungen der anfragenden Person haben Vorrang vor den Richtlinien eines Skills. Wenn eine ausdrückliche Anweisung der Person einer Anweisung im Skill widerspricht, befolge die Anweisung der Person.
Damit sich das Verhalten des Modells besser nachvollziehen lässt, kannst du es auch bitten, den Skill und die konkrete Anweisung zu nennen, die zu einer Unterbrechung oder einem Kurswechsel geführt haben.
Wenn du wegen eines Skills um Genehmigung oder Bestätigung bittest, die Arbeit unterbrichst, einen Auftrag unvollständig lässt oder von der Absicht der anfragenden Person abweichst, nenne und verlinke genau die Datei SKILL.md, die du gelesen hast. Zitiere die betreffende Anweisung und erkläre kurz, wie sie auf diesen Fall zutrifft. Unterscheide zwischen ausdrücklichen Anforderungen des Skills und deiner eigenen Auslegung seiner Richtlinien.
Wenn deine Anwendung viele Skills und Anweisungsdateien wie AGENTS.md lädt, kannst du mit diesem Prompt Vorgaben aufspüren, die unbemerkt wirken oder einander widersprechen.
Persönlichkeit und Schreibstil
GPT-6 Astra verwendet häufig Listen, Tabellen und Markdown, damit sich Antworten schnell überblicken lassen. Wenn deine Anwendung Fließtext mit weniger Formatierung benötigt, gib das ausdrücklich an.
Schreibe in der Regel klare, knappe Absätze mit jeweils einem Hauptgedanken. Verwende Listen nur für gleichrangige Informationen, für Schritte mit einer bestimmten Reihenfolge oder wenn eine Liste den Vergleich erleichtert. Verschachtele Listen nur, wenn sich die Hierarchie im Fließtext nicht klar ausdrücken lässt. Schreibe einfach und verständlich. Verwende vertraute Wörter, konkrete Beispiele und präzise Verben. Bevorzuge das Aktiv und direkte Aussagen.
Nenne den Hauptgedanken früh und deutlich. Erläutere ihn anschließend mit den Einzelheiten, die zum Verständnis nötig sind. Lass jeden Satz auf dem vorherigen aufbauen. Führe die wichtigen Punkte aus und begründe sie so weit, dass die Erklärung beim Lesen weiterhilft.
Für technische Inhalte hilft der folgende Prompt dem Modell, verständlich und zusammenhängend zu schreiben und zugleich die passende Fachsprache zu verwenden:
Bevorzuge verständliche Sprache gegenüber Fachjargon. Nenne technische Einzelheiten nur, soweit sie der anfragenden Person helfen, einen Gedanken oder deine Arbeit nachzuvollziehen. Erkläre komplexe Zusammenhänge klar und in einer schlüssigen Reihenfolge. Richte deinen Text auf das Vorwissen aus, das du aus dem Prompt und dem Kontext ableiten kannst.
Um Fachjargon und Floskeln zu reduzieren, beginne mit diesem Prompt:
Vermeide abgegriffene Wörter und Wendungen wie „Unterm Strich“ im Fazit, „tiefer eintauchen“, „fördern“, „sich zunutze machen“, „erwähnenswert ist“, „besonders wichtig ist“, „Frage? Antwort.“, „Es geht hier nicht um X. Es geht um Y.“ oder „wahrhaftig“. Vermeide auch mit Bindestrichen zusammengesetzte Beschreibungen und Adjektive. Verzichte auf abschließende Formeln wie „Kurz gesagt: …“ oder „Am einfachsten kann man sich das so vorstellen: …“.
Sag direkt, was du tun willst. Lass Angaben dazu weg, was du unterlässt, was unverändert bleibt oder wie du Ergebnisse trennen oder einordnen willst. Vermeide Gegenüberstellungen wie „X, nicht Y“, wenn die anfragende Person die Alternative gar nicht angesprochen hat. Verzichte auf erfundene Bezeichnungen wie „Exakt-HEAD-Prüfungen“ und „Redaktionszeilen-Layouts“, vage Einschränkungen und formelhafte Übergänge. Beschreibe den tatsächlichen Zusammenhang direkt mit einfachen Verben und Präpositionen.
Aufgaben an Subagenten delegieren
GPT-6 Astra wurde darauf trainiert, Arbeit aufzuteilen und an parallel arbeitende Subagenten zu delegieren. Wenn du in deinem Harness ein System mit mehreren Agenten implementierst, kannst du mit dem folgenden Prompt steuern, wie viel Arbeit GPT-6 Astra delegiert:
Sobald du Aufgaben an einen anderen Agenten delegieren und so parallel bearbeiten lassen kannst, nutze dafür die Tools zur Zusammenarbeit, sofern das Zeit sparen oder die Qualität verbessern könnte. Das gilt unabhängig davon, ob du der übergeordnete Agent oder ein Subagent bist.
Nachrichten zwischen Agenten können Grammatikfehler oder falsch gesetzte Leerzeichen enthalten. Mit diesem Prompt machst du solche Nachrichten leichter lesbar:
Menschen können sowohl deine Nachrichten an andere Agenten als auch deine abschließende Antwort lesen. Achte deshalb auf gute Lesbarkeit. Setze zwischen Wörtern und Zahlen immer die erforderlichen Leerzeichen.
Das Modell setzt Vorgaben dazu, wann und wie es Aufgaben an Subagenten delegieren soll, meist gut um. Stimme diese Vorgaben auf deinen Harness und deine Implementierung mit mehreren Agenten ab.
Tests und Überprüfung
Gib bei Programmieraufgaben vor, in welchem Umfang das Modell eine Änderung testen und überprüfen soll. So lassen sich bei kleinen Änderungen unnötige Tests und wiederholte Prüfungen vermeiden.
Schreibe für umkehrbare Änderungen mit geringen Auswirkungen keine Tests, die lediglich die Implementierung nachbilden. Wenn du deine Arbeit mit Tests überprüfst, achte darauf, dass die Tests aussagekräftig und für die Überprüfung der Implementierung erforderlich sind.
Führe Tests aus, die zur Änderung passen, und schließe alle vorgeschriebenen Prüfungen ab. Wenn sie erfolgreich waren, weite die Tests nur dann aus oder wiederhole sie nur dann, wenn neue Änderungen, Fehler oder offene Bedenken das rechtfertigen. Arbeite andernfalls weiter, bis die Aufgabe abgeschlossen ist.
Schnelleinstieg in die Migration
Mit Codex migrieren
Codex kann die in diesem Leitfaden empfohlenen Änderungen mit dem Skill für die OpenAI-Dokumentation umsetzen.
$openai-docs Migriere dieses Projekt auf die GPT-6-Modellfamilie
Wenn du den Skill mit anderen Programmieragenten verwenden möchtest, lade ihn aus dem Codex-Repository herunter.
API- und Modellparameter aktualisieren
Setze model auf gpt-6-astra, gpt-6.1-sol, gpt-6.1-terra oder gpt-6-luna. Prüfe anschließend anhand der folgenden Punkte, ob deine Anfragen mit dem gewählten Modell kompatibel sind.
Wenn du von gpt-6-sol zu gpt-6.1-sol wechselst, verwende low, falls dein aktueller Reasoning-Aufwand none ist. Migriere alle Chat Completions-Anfragen, die Funktionen aufrufen, zur Responses API.
Wenn du von GPT-5.6 Terra zu GPT-6.1 Terra wechselst, vergleiche beide Modelle anhand repräsentativer Bilder und Workflows mit demselben Reasoning-Aufwand.
- Reasoning-Aufwand: Behalte den derzeit wirksamen Reasoning-Aufwand bei, sofern das Modell ihn unterstützt. GPT-6 Astra und GPT-6.1 Sol unterstützen
nonenicht. Verwende stattdessenlow. GPT-6.1 Terra, GPT-6 Sol und GPT-6 Luna unterstützennone. Wenn deine bisherige Anfrageminimalverwendet, beginne mitlowund vergleiche die Ergebnisse anhand repräsentativer Aufgaben. Verwendereasoning.effortin Responses oderreasoning_effortin Chat Completions. - Tool-Aufrufe: Verwende die Responses API. GPT-6 Astra, GPT-6.1 Sol und GPT-6.1 Terra unterstützen Chat Completions, für Tool-Aufrufe ist jedoch Responses erforderlich. GPT-6 Sol und GPT-6 Luna unterstützen Funktionsaufrufe in Chat Completions nur mit
reasoning_effort: "none". Verwende Responses für Reasoning mit Tools. - Nicht unterstützte Parameter: Wenn der Reasoning-Aufwand einen anderen Wert als
nonehat, entfernetemperature,top_pundtop_logprobs. Entferne bei Chat Completions auchlogprobs. Entferne bei Responses den Eintragmessage.output_text.logprobsausinclude. - Datenresidenz: Der Schnellmodus unterstützt Datenresidenz in der EU für GPT-6.1 Sol, GPT-6.1 Terra und GPT-6 Luna. Für GPT-6 Astra und GPT-6 Sol ist sie im Schnellmodus nicht verfügbar. Der Ultraschnellmodus für GPT-6.1 Sol unterstützt Datenresidenz in den USA und in der EU sowie globale Verarbeitung. Der Ultraschnellmodus für GPT-6 Astra unterstützt ausschließlich Datenresidenz in den USA und globale Verarbeitung. Für den Schnellmodus von GPT-6 Astra gibt es kein SLA zur Latenz. Weitere Informationen findest du unter Kompatibilität des Schnellmodus.
- Reasoning-Aufwand ändern: Wenn deine Anwendung den Aufwand zwischen Antworten ändert, verwende in Standardanfragen mit einem einzelnen Agenten Elemente vom Typ
configuration_update. Lassreasoning.effortauf Anfrageebene unverändert, damit das Prompt-Präfix für das Caching erhalten bleibt. Prüfe vor dem Einsatz dieser Funktion die Kompatibilitätsgrenzen. - Prompt-Caching: Wenn du von GPT-5.5 oder einer früheren Version migrierst, ersetze
prompt_cache_retentiondurchprompt_cache_options.ttlund setze den Wert auf"30m". Lies die Änderungen beim Prompt-Caching, insbesondere zu Cache-Grenzen und zur Abrechnung von Schreibvorgängen im Cache. - Unnötige Unterbrechungen für Genehmigungen: Wenn das Modell immer wieder eine Genehmigung anfordert, bevor es weiterarbeitet, nutze die Hinweise zu Eigeninitiative und Ausdauer, um es zu selbstständigerem Arbeiten anzuleiten. Die weiteren Empfehlungen für Prompts erklären, wie du das Befolgen von Anweisungen, den Schreibstil, die Delegation an Subagenten und das Testverhalten steuern kannst.